CN109934808A - 一种基于图像多形状法向梯度差值pcb板缺陷分类方法 - Google Patents

Abstract

本发明提供了一种基于图像多形状法向梯度差值PCB板缺陷分类方法，通过原始模板图像的特征分类，得到各特征形状的轮廓，求出相应轮廓形状的法向量，利用模板精准匹配出缺陷位置，通过法向量上搜索像素点灰度梯度来判断缺陷种类及对缺陷进行分类，避免了仅依靠特征来分类造成分类错误的现象；本发明提高了PCB板缺陷检测及分类的检测速度和精度，有效提高了检测率及分类准确率，减少了缺陷误检或漏检情况的发生，实现了PCB板缺陷检测及自动分类，节省了人力物力财力，提高了生产自动化程度。

Description

一种基于图像多形状法向梯度差值PCB板缺陷分类方法

技术领域

本发明涉及检测设备技术领域，具体涉及一种基于图像多形状法向梯度差值PCB板缺陷分类方法。

背景技术

该方法应用于PCB板缺陷在线检测，随着现代电子及通讯产业的高速发展，对PCB的质量提出了更高的要求，随着电子产品趋于微型化和电路板加工工艺的提升，PCB正向高精度、高速率、高密度、多层化的方向发展。由于PCB板检测过程重复、枯燥，极易出现漏检、误检，对员工的技术、耐心、责任心有一定要求，因此企业需要消耗大量的人力资源。并且人工目检耗时长、效率差、准确度低，极大降低了企业产能，已经无法满足现代化PCB板生成的需求。目前传统的PCB板缺陷检测系统主要是模板匹配做差算法，无法对缺陷种类进行分类，并容易形成误检漏检现象，而且检测精度低，检测效率低，检测过程复杂等问题。

发明内容

针对现有技术的不足，本发明提供一种基于图像多形状法向梯度差值PCB板缺陷分类方法，目的在于解决现在PCB板缺陷检测中检测效率低，检测精度差及易出现误检漏检等情况；提高了检测过程的精度和速度，实现PCB板缺陷的自动分类。

为实现上述目的，本发明采用如下技术方案：

一种基于图像多形状法向梯度差值PCB板缺陷分类方法，包括以下步骤：

S1，读取模板图像Image，并获取图像Image尺寸；

S2，将模板图像提取MARK点、圆孔及圆弧特征轮廓形状ROI-cir，剩下的图像为Image1；

S3，将Image1提取出凸包轮廓形状ROI-con，剩下图像为Image2；

S4，将图像Image2提取出十字架轮廓特征形状ROI-wh，剩下图像为Image3；

S5，将图像Image3提取出矩形轮廓特征形状ROI-rec，剩下图像为Image4；

S6，将图像Image4提取其他异形轮廓形状ROI-else；

S7，在圆孔及圆弧特征轮廓形状ROI-cir中，通过创建一个圆形对象，求出圆或圆弧法向量n₁(x₁，y₁)；

S8，在矩形轮廓特征形状ROI-rec中，求出宽度方向上的直线段法向量n₂(x₂，y₂)，高度方向上的直线段法向量n₃(x₃，y₃)；

S9，在凸包轮廓形状ROI-con、十字架轮廓特征形状ROI-wh及其他异形轮廓形状ROI-else中，求出宽度方向上的法向量n₄(x₄，y₄)，高度方向上的法向量n₅(x₅，y₅)及圆或圆弧法向量n₆(x₆，y₆)；

S10，在法向量方向找像素点的灰度值，判断像素点为白点及黑点；

S11，将采集得到的待检图Image-Pre与模板图Image进行模板匹配得到相应的缺陷区域，在相应缺陷区域内，在法向量一定距离上搜索相应像素点的灰度值，再通过提取该区域的形态学特征和灰度特征进行缺陷分类。

本发明的原理是：首先对原厂模板图进行尺寸获取，再进行圆类形状、凸包轮廓形状、十字架轮廓形状、矩形轮廓形状、其他异形轮廓形状分块提取，之后通过创建相应的圆类形状、凸包轮廓形状、十字架轮廓形状、矩形轮廓形状、其他异形轮廓形状对象，再求出五大类轮廓形状的轮廓法向量n₁(x₁，y₁)、n₂(x₂，y₂)、n₃(x₃，y₃)、n₄(x₄，y₄)、n₅(x₅，y₅)、n₆(x₆，y₆)。之后将待检图Image-Pre与模板图Image进行模板匹配，得到相应的缺陷区域，在相应缺陷区域内，根据先前求到的法向量n₁(x₁，y₁)、n₂(x₂，y₂)、n₃(x₃，y₃)、n₄(x₄，y₄)、n₅(x₅，y₅)、n₆(x₆，y₆)，由模板图像轮廓在待检图中按照该法向量一定距离上搜索相应像素点的灰度值，根据灰度梯度差值T1判断是否存在黑白点。通过黑白点来判断是否存在毛刺、铜渣、短路、开路及缺口等缺陷，之后通过形态学特征和灰度特征来对相应的缺陷分类。

本发明通过原始模板图像的特征分类，得到各特征形状的轮廓，之后求出相应轮廓形状的法向量，之后利用模板精准匹配出缺陷位置，通过法向量上搜索像素点灰度梯度来判断缺陷种类及对缺陷进行分类，是一种新的缺陷分类方法，避免了仅依靠特征来分类造成分类错误的现象。本发明提高了PCB板缺陷检测及分类的检测速度和精度，有效提高了检测率及分类准确率，减少了缺陷误检或漏检情况的发生，实现了PCB板缺陷检测及自动分类，节省人力物力财力，提高了生产自动化程度。

附图说明

图1为本发明方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，均属于本发明的保护范围。

实施例：一种基于图像多形状法向梯度差值PCB板缺陷分类方法。

一种基于图像多形状法向梯度差值PCB板缺陷分类方法，包括以下步骤：

S1，读取原厂模板图像Image，并获取图像Image尺寸；

S2，将模板图像Image使用特征提取算法中圆、孔选项参数进行MARK点及圆孔特征轮廓提取，筛选出MARK点、圆孔及圆弧特征轮廓形状ROI-cir，剩下的图像为Image1；

S3，将Image1使用特征提取算法中算法中凸面、面积、紧密性等参数进行凸包轮廓特征提取，筛选出凸包轮廓形状ROI-con，剩下图像为Image2；

S4，将图像Image2使用特征提取算法中宽、高参数进行十字架轮廓特征提取，筛选出十字架轮廓特征形状ROI-wh，剩下图像为Image3；

S5，将图像Image3使用特征提取算法中宽、高、矩形参数进行矩形轮廓特征提取，筛选出矩形轮廓特征形状ROI-rec，剩下图像为Image4；

S6，将图像Image4中剩下的连通域进行分离，提取其他异形轮廓，便得到其他异形轮廓形状ROI-else；

S7，在圆孔及圆弧特征轮廓形状ROI-cir中，通过创建一个圆形对象，打开一个圆或拟合成一个圆，生成圆或圆弧轮廓中心像素坐标，由圆或圆弧中心坐标到圆、圆弧轮廓上的像素点即为圆或圆弧法向量n₁(x₁，y₁)；

S8，在矩形轮廓特征形状ROI-rec中，通过创建一个矩形对象，打开一个矩形或拟合成一个矩形，生成矩形轮廓中心像素坐标，将矩形分为宽跟高上的两组直线线段对，求出宽度方向上的直线段法向量n₂(x₂，y₂)，高度方向上的直线段法向量n₃(x₃，y₃)；

S9，在凸包轮廓形状ROI-con、十字架轮廓特征形状ROI-wh及其他异形轮廓形状ROI-else中，通过创建一个矩形对象，打开一个矩形或拟合成一个矩形，生成矩形轮廓中心像素坐标，将矩形分为宽跟高上的两组线段对，求出宽度方向上的法向量n₄(x₄，y₄)，高度方向上的法向量n₅(x₅，y₅)；同样创建一个圆形对象，生成圆或圆弧轮廓中心像素坐标，由圆或圆弧中心坐标到圆、圆弧轮廓上的像素点即为圆或圆弧法向量n₆(x₆，y₆)；在凸包轮廓形状ROI-con、十字架轮廓特征形状ROI-wh及其他异形轮廓形状ROI-else中主要是直线段及圆弧段组成，因此可以求出直线段或者圆弧段的法向量，从而求出整个形状的法向量。

S10，根据先前求到的法向量n₁(x₁，y₁)、n₂(x₂，y₂)、n₃(x₃，y₃)、n₄(x₄，y₄)、n₅(x₅，y₅)、n₆(x₆，y₆)，在法向量方向找像素点的灰度值，若灰度值在255左右，则该像素点为白点，若灰度值在5左右为黑点，对于PCB板上线路都为刷铜或镀金，因此成像采集后的线路所对应的图像全部是白色图像，相应对应的像素点为白点，线路之外均为黑点。

S11，将采集得到的待检图Image-Pre与模板图Image进行模板匹配，匹配之后，得到相应的缺陷区域，在相应缺陷区域内，根据先前求到的法向量n₁(x₁，y₁)、n₂(x₂，y₂)、n₃(x₃，y₃)、n₄(x₄，y₄)、n₅(x₅，y₅)、n₆(x₆，y₆)，由模板图像轮廓在待检图中按照该法向量一定距离上搜索相应像素点的灰度值，根据灰度梯度差值T1判断是否存在黑白点。若T1＝0，则存在白点，该缺陷为毛刺、铜渣、短路，若T1<0，则在法向量相反方向上搜索相应像素点的灰度值，根据灰度梯度差值T2判断是否存在黑白点。若T2<0，则线路板线路上存黑点，该缺陷为开路、缺口。对于毛刺的图像一般为多边形，通过提取改区域的形态学特征和灰度特征可以判别。对于铜渣为凸包形状，同样通过形态学特征和灰度特征可以判别。对于缺口也为凸包形状，同样通过形态学特征和灰度特征可以判别。则剩下的为开路及短路缺陷。

以上所述为本发明的较佳实施例而已，但本发明不应局限于该实施例和附图所公开的内容，所以凡是不脱离本发明所公开的精神下完成的等效或修改，都落入本发明保护的范围。

Claims (1)

1.一种基于图像多形状法向梯度差值PCB板缺陷分类方法，包括以下步骤：

S1，读取模板图像Image，并获取图像Image尺寸；

S2，将模板图像提取MARK点、圆孔及圆弧特征轮廓形状ROI-cir，剩下的图像为Image1；

S3，将Image1提取出凸包轮廓形状ROI-con，剩下图像为Image2；

S4，将图像Image2提取出十字架轮廓特征形状ROI-wh，剩下图像为Image3；

S5，将图像Image3提取出矩形轮廓特征形状ROI-rec，剩下图像为Image4；

S6，将图像Image4提取其他异形轮廓形状ROI-else；

S7，在圆孔及圆弧特征轮廓形状ROI-cir中，通过创建一个圆形对象，求出圆或圆弧法向量n₁(x₁，y₁)；

S8，在矩形轮廓特征形状ROI-rec中，求出宽度方向上的直线段法向量n₂(x₂，y₂)，高度方向上的直线段法向量n₃(x₃，y₃)；

S9，在凸包轮廓形状ROI-con、十字架轮廓特征形状ROI-wh及其他异形轮廓形状ROI-else中，求出宽度方向上的法向量n₄(x₄，y₄)，高度方向上的法向量n₅(x₅，y₅)及圆或圆弧法向量n₆(x₆，y₆)；

S10，在法向量方向找像素点的灰度值，判断像素点为白点及黑点；

S11，将采集得到的待检图Image-Pre与模板图Image进行模板匹配得到相应的缺陷区域，在相应缺陷区域内，在法向量一定距离上搜索相应像素点的灰度值，再通过提取该区域的形态学特征和灰度特征进行缺陷分类。